Acest ghid va explica validarea încrucișată și funcționarea acesteia folosind AWS Service.
Ce este validarea încrucișată?
Validarea încrucișată le permite dezvoltatorilor să compare diferite modele de învățare automată și să își facă o idee despre funcționarea lor în viața reală. Ajută utilizatorul să-și dea seama ce model de învățare automată (ML) sau de învățare profundă (DL) va funcționa mai bine pentru o anumită dată sau scenariu. Există situații în care pot fi utilizate mai multe modele pentru un set de date, aici dezvoltatorii folosesc validarea încrucișată pentru a obține un model de potrivire pentru a obține rezultate optimizate:
Cum funcționează validarea încrucișată?
Pentru a verifica modelele ML pe un set de date, utilizatorul trebuie să estimeze caracteristicile modelului care se numește antrenament al algoritmului. Un alt lucru de verificat este evaluarea modelului pentru a afla cât de bine a funcționat și se numește testarea modelului. Nu este o idee bună să testați modelul pe toate datele, totuși, folosim 75% din date pentru antrenament și 25% pentru testare pentru a obține rezultate mai bune. Validarea încrucișată efectuează teste la fiecare 25% din date pentru a verifica care bloc are cele mai bune rezultate:
Ce este Amazon SageMaker?
Validarea încrucișată în AWS se poate face folosind serviciul Amazon SageMaker, deoarece este conceput pentru a construi, antrena și implementa modele de învățare automată. Ajută oamenii de știință și dezvoltatorii de date să pregătească date pentru construirea de modele eficiente ML sau DL prin reunirea capabilităților create special. Aceste capabilități sunt utile pentru a construi modele optimizate și precise care vor avea capacitatea de a se îmbunătăți în timp:
Caracteristicile Amazon SageMaker
Amazon SageMaker este un serviciu gestionat și nu necesită gestionarea mediilor ML. Are nevoie de multe date pentru a antrena și a construi modele ML, astfel încât să se conecteze bine cu serviciile Amazon S3 sau Amazon Redshift pentru a colecta date. Datele brute pot fi dificil de obținut informații de la care sunt necesare și funcții pentru a construi modele. Apoi utilizați datele pentru a antrena modele și apoi efectuați teste folosind fiecare 25% din date pentru a obține rezultate/predicții mai bune:
Acesta este totul despre validarea încrucișată în AWS.
Concluzie
Validarea încrucișată este procesul de obținere a modelului optim de învățare automată sau de învățare profundă pentru ca datele să obțină rezultate mai bune. Va efectua teste pentru fiecare secțiune de 25% a datelor pentru a înțelege care bloc oferă rezultatul maxim, făcându-l un model de potrivire adecvat. AWS oferă serviciul SageMaker pentru a efectua validarea încrucișată și pentru a construi modele de învățare automată pe cloud. Acest ghid a explicat procesul de validare încrucișată și funcționarea acestuia în AWS.